深度连接的超轻量化子空间注意模块

针对紧凑型卷积神经网络在部署现有注意力机制存在计算量或参数开销大的问题,提出一种改进的超轻量化子空间注意模块。首先,深度连接的子空间注意模块(Deep Connected Subspace Attention Mechanism,DCSAM)划分特征图为若干特征子空间,为每个特征子空间推导不同的注意特征图;其次,改进特征子空间进行空间校准的方式;最后,建立前后特征子空间的连接,实现前后特征子空间的信息流动。该子空间注意机制能够学习到多尺度、多频率的特征表示,更适合细粒度分类任务,且与现有视觉模型中的注意力机制是正交和互补的。实验结果表明,在ImageNet-1K和Stanford Cars数据集上,MobileNetV2在参数量和浮点运算数分别减少12%和24%的情况下,最高精度分别提高了0.48和约2个百分点。

基于OOD泛化性验证和深度全连接神经网络的泥石流易发性评价方法

提升易发性评价精度有助于山区泥石流灾害早期的识别和监测预警。大部分机器学习模型在训练、测试集合上表现良好,但实际应用过程精度较差,不利于工程选址规划和防灾减灾,如何提高机器学习模型评价精度与泛化性具有重要意义。选取深度全连接神经网络,与梯度提升树、随机森林模型和贝叶斯网络等机器学习方法共同进行模型精确性评价和OOD(out-of-distribution)泛化性验证,从而找出在训练、预测和应用中均具有较高精度的方法。以四川省雅安市为例,采用小流域单元进行区域网格划分,将数据集合按7∶3比例随机分为训练集和测试集,使用经验法则(3-sigma)剔除异常数据,并基于多变量(Iterative Imputer)和K-近邻法对缺失值填充进行泥石流灾害易发性评价。在泥石流易发性因子的共线性、敏感性和预测能力的分析结果基础上,选定14个易发性因子构建模型评价指标体系,进行泥石流易发性评价与对比。通过对模型的精确性评价及OOD泛化性验证发现:深度全连接神经网络模型曲线下的面积(AUC)、准确率(Acc)、召回率(Recall)的值比梯度提升树等的计算结果分别超出了0.027、0.02、0.02,而平均绝对值误差(MAE)降低了0.003;OOD泛化性验证准确度超出了0.056。研究表明,深度全连接神经网络对于泥石流易发性评价的预测效果较好,能够提高泥石流评价的精度,增加评价的适应性,可为泥石流易发性评价提供新思路。

基于深度全连接神经网络的风机叶片结冰预测方法

我国北方地区风电机组叶片结冰问题,对机组正常安全运行会产生严重影响。为对风电机组叶片结冰状态进行有效预测,基于风场大数据,提出一种使用深度学习算法进行优化的深度全连接神经网络的风电机组叶片结冰预测算法。将处理后的数据集对深度全连接神经网络模型进行训练、测试、评价,最后将所得评价结果并与最近邻法(KNN)、支持向量机(SVM)、未使用深度学习优化算法的BP神经网络的预测结果进行对比。结果表明,所提出的基于深度全连接网络的风电机组叶片结冰预测算法,求取精度较高,计算量少,可以对风电机组叶片结冰预测问题进行快速有效判断。

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。

基于深度全连接神经网络的储层有效砂体厚度预测

河道砂是重要的油气储集体之一,实现砂体厚度的定量预测是提高油气开发效率的关键。随着目标储层非匀质性的增强,地震属性与储层岩性、物性、孔隙流体之间的关系更趋复杂。如何在地质信息有限的情况下实现高效且智能的复杂储层定量预测是目前储层预测领域的热点和难点。为了实现对致密砂岩储层的高精度智能化预测,本文提出基于深度全连接神经网络的储层有效砂体厚度预测方法。该方法通过构建多层堆叠的全连接神经网络逐层优化针对储层有效砂体厚度预测的地震属性,并将优化后的属性直接映射为砂体厚度。首先针对模型数据分析了训练样本对全连接神经网络建模的影响,然后在小样本情况下分别对比了该网络的深、浅层形态在网络规模大于训练样本数目及网络规模小于训练样本数目时的表现差异,发现当训练样本为小样本时,深层网络表现优于浅层网络,前提是训练样本数目大于网络规模。最后,我们将深度全连接神经网络用于胜利油田某区实际数据的有效砂体厚度预测,应用效果显示该方法对致密砂岩储层中4 m左右的砂体实现了有效识别,体现了该端到端智能建模方法从地震属性中挖掘潜藏地质信息的能力,证实了其在储层定量预测中的有效性。

联合中间层的深度卷积神经网络模型

针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN)。该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练。测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度。

基于深度学习的雷达目标航迹起始方法

本文提出了一种基于深度学习的雷达目标航迹起始方法,将目标航迹起始问题转化为深度神经网络模型二分类问题-"真实航迹"类和"虚假航迹"类。首先对空间配准后的目标点迹进行环形波门粗关联,得到粗关联暂时航迹;对粗关联暂时航迹进行特征向量建模,获得深度神经网络模型输入向量;利用仿真系统雷达数据,提取神经网络模型训练样本,设计深度全连接神经网络结构,训练网络模型得到优化的模型参数;使用训练好的模型参数实时计算目标起始航迹。仿真试验证明了该算法的有效性。

装配式混凝土结构连接节点质量检测的困惑与破解之道

目前,我国装配式混凝土结构竖向连接以钢筋套筒灌浆连接为主,钢筋套筒灌浆连接属于隐蔽工程,其质量检测是国内外公认的难题。将灌浆饱满度检测及连接钢筋插入深度检测归结为隐蔽空间内的尺寸测量问题,利用三维立体测量内窥镜,通过巧妙地预制检测孔道及合理地选择检测时间,研发出了便捷、高精度的检测方法;灌浆料实体强度检测,则是利用灌浆料抗压强度与其表面里氏硬度存在较好的相关性,通过里氏硬度计对灌浆孔或出浆孔内的浆料面进行硬度测试,推定灌浆料实体强度。

改进多级混合注意力跳变连接的语音增强算法

针对经典语音增强网络在低信噪比环境下语音有丢失、可懂度低且代价函数与评价指标不匹配的问题,提出了一种改进多级混合注意力跳变连接Skip-DNN的语音增强算法。在网络输入层,融合多个互补域的特征,提升模型的泛化能力;在网络中间层,利用全局注意力模块和自注意力模块的多级跳跃连接结构嵌套跨级连接,融合每个网络块提取的重要特征信息,减少特征融合带来的冗余;提出了相关系数联合优化的代价函数,改善指标相关性。实验结果表明,所提方法在语音质量和可懂度上均有显著提升,分别平均提高了0.31和0.05,尤其在低信噪比环境下,具有更好的泛化能力。

商业模式创新中场景价值共创动因及作用机理研究

随着智慧互联技术的创新性应用,产品智能化、服务化、情感化发展趋势日益明显,用户需求在时间、地理空间及情感方面的高度耦合引起商业应用场景的海量涌现。由此,场景化商业模式创新在现实商业应用层面越来越广泛,并引起了学术界的高度关注。立足于商业模式新视角,探究场景构成要素、场景价值创造动因及其作用机理,以价值创造为核心,以情感体验、社群渠道、连接机制为场景的潜变量,论证了场景价值是基于顾客生活方式和生活细节的情感体验,并在特定消费情景中由企业与顾客共同创造、顾客自己独立创造出来的价值。研究成果打开了商业模式视角下对场景价值探究的黑箱,对现有企业商业模式创新设计提供了有益借鉴。

映射关系下多模态微电网数据实时检索仿真

由于微电网数据的多样性和复杂性,导致数据特征挖掘难度大,降低了实时检索的精度,为此,提出了一种基于映射关系的多模态微电网数据实时检索方法。利用Borderline-SMOTE算法扩充微电网数据类别中少数类的样本数量。采用循环注意力机制映射关系法对扩充后的图像信息和文本信息进行对齐,使数据检索模型更容易挖掘数据特征。使用深度全连接网络构建数据实时检索网络模型,通过对齐图文信息进行分类输出检索结果,并通过softmax函数约束检索结果,使数据检索模型输出结果与实际需求一致,提升多模态微电网数据实时检索精度,以便及时发现微电网运行故障位置。实验结果表明,基于映射关系的数据检索方法能够准确找到与实际需求相匹配的数据,并且表现出强大的数据处理能力。

品牌价值再升级:主流媒体品牌建设路径与启示

随着媒体融合迈入纵深发展阶段,主流媒体由聚焦内部融合转为向外扩张,开始探索更多领域、更深层次的融合,而媒体品牌建设成为推动媒体深度融合的重要方向之一。媒体品牌是媒体差异化的无形资产,彰显媒体传播价值影响力。主流媒体经历几十年发展,虽拥有天然优质口碑和良好声誉基础,但在传播形态与传播速度纷繁复杂的互联网时代仍面临品牌冲击与舆论挑战。文章结合全媒体时代媒体融合的发展背景,采用个案分析、文本论述的方法剖析主流媒体品牌建设的必要性,梳理主流媒体在承担自身责任同时进行品牌建设的路径,并从内容质量、受众体验、技术创新、价值导向等方面阐述主流媒体品牌之树长青的经验启示,旨在探索推动构建新型主流旗舰媒体品牌,实现品牌价值再升级。

全连接深度网络的电学层析成像算法

电学层析成像技术为多相流体中具有导电与非导电特性的介质分布的检测提供了一种有效的方法.但是,电学层析成像图像重建是一个非线性问题,传统线性化重建算法不能反映图像重建的非线性本质,使得重建图像的精度低。为解决这一问题,以电阻层析成像测试数据为基础,提出了一种基于深度学习的6层全连接深度网络图像重建算法,通过线性与非线性的交替迭代直接训练边界测量与场内介质分布之间的非线性映射关系。仿真与实验结果表明,6层全连接深度网络算法与传统采用的线性反投影、吉洪诺夫正则化等算法相比,图像重建结果具较高的重建精度与较好的可视化效果;但是,该算法对测试噪声的鲁棒性需要进一步提高。

高噪声环境下的生成对抗网络人机语音增强技术

在复杂环境下,传统的语音增强技术存在泛化能力弱、性能表现不足等缺点。近年来,生成对抗网络技术在语音信号处理领域有着重大突破。通过改进传统的生成对抗网络模型,提出了基于深度完全卷积生成对抗网络的高噪声环境下人机语音增强方法。该方法将语音信号语谱图作为生成器输入,判别器根据纯净语音信号指导生成器生成高质量的语音信号,滤除噪声信号。实验表明,通过语谱图和客观质量评分评估,可以发现所提方法可以明显改善语音质量,减少语音失真,增强系统的鲁棒性。